Fugu-MT 論文翻訳(概要): FAZSeg: A New User-Friendly Software for Quantification of the Foveal Avascular Zone

論文の概要: FAZSeg: A New User-Friendly Software for Quantification of the Foveal Avascular Zone

arxiv url: http://arxiv.org/abs/2111.11419v1
Date: Mon, 22 Nov 2021 18:52:13 GMT
ステータス: 処理完了
システム内更新日: 2021-11-23 17:23:18.418934
Title: FAZSeg: A New User-Friendly Software for Quantification of the Foveal Avascular Zone
Title（参考訳）: fazseg:foveal avascular zoneの定量化のための新しいユーザフレンドリーなソフトウェア
Authors: V. K. Viekash, Janarthanam Jothi Balaji, Vasudevan Lakshminarayanan
Abstract要約: ユーザフレンドリーなグラフィカルユーザインタフェース(GUI)を備えた新しいオープンアクセスソフトウェアについて記述し、その結果を基礎的真実(手動セグメンテーション)と比較する。眼疾患および高近視は解剖学的基準点Foveal Avascular Zone(FAZ)次元に影響を及ぼす。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Various ocular diseases and high myopia influence the anatomical reference point Foveal Avascular Zone (FAZ) dimensions. Therefore, it is important to segment and quantify the FAZs dimensions accurately. To the best of our knowledge, there is no automated tool or algorithms available to segment the FAZ's deep retinal layer. The paper describes a new open-access software with a user-friendly Graphical User Interface (GUI) and compares the results with the ground truth (manual segmentation).
Abstract（参考訳）: 眼疾患および高近視は解剖学的基準点Foveal Avascular Zone(FAZ)次元に影響を及ぼす。したがって、FAZs次元を正確に分割して定量化することが重要である。私たちの知る限りでは、FAZの深い網膜層を分割する自動化ツールやアルゴリズムはありません。本稿ではユーザフレンドリーなグラフィカルユーザインタフェース(GUI)を備えた新しいオープンアクセスソフトウェアについて述べる。

関連論文リスト

Semantic Segmentation Based Quality Control of Histopathology Whole Slide Images [2.953447779233234]
We developed a software pipeline for quality control (QC) of histopathology whole slide images (WSIs)。異なるレベルのぼかし、組織領域、組織折り、ペンマークなど、さまざまな領域を区分する。 TCGAは、28の臓器から11,000以上の病理像を含むWSIデータセットとして最大である。
論文参考訳（メタデータ） (2024-10-04T10:03:04Z)
Modular Deep Active Learning Framework for Image Annotation: A Technical Report for the Ophthalmo-AI Project [1.7325492987380366]
MedDeepCyleALは、完全なアクティブラーニングサイクルを実装するエンドツーエンドフレームワークである。研究者に、採用したいディープラーニングモデルの種類を選択する柔軟性を提供する。 MedDeepCyleALはどんな画像データにも適用可能ですが、本プロジェクトでは特に眼科データに適用しています。
論文参考訳（メタデータ） (2024-03-22T11:53:03Z)
Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
論文参考訳（メタデータ） (2023-12-22T02:31:31Z)
DEEPBEAS3D: Deep Learning and B-Spline Explicit Active Surfaces [3.560949684583438]
畳み込みニューラルネットワーク(CNN)からB-スプライン明示型アクティブサーフェス(BEAS)へのセグメンテーションを表現する対話型セグメンテーションフレームワークの新規な3次元拡張を提案する。 BEASは、セグメンテーションを3D空間で滑らかにし、解剖学的妥当性を高め、ユーザが正確に3D表面を編集できるようにする。実験の結果,1) 提案したフレームワークは, 表面の輪郭を明示的に制御し, 2) NASA-TLX指数で計算した作業負荷をVOCALに比べて30%削減し, 3) ユーザ時間をVOCALより70%(170秒)短縮した。
論文参考訳（メタデータ） (2023-09-05T15:54:35Z)
Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
論文参考訳（メタデータ） (2023-03-20T09:50:07Z)
VA-DepthNet: A Variational Approach to Single Image Depth Prediction [163.14849753700682]
VA-DepthNetは、単一画像深度予測問題に対する単純で効果的で正確なディープニューラルネットワークアプローチである。本論文は,複数のベンチマークデータセットに対する広範囲な評価とアブレーション解析により提案手法の有用性を実証する。
論文参考訳（メタデータ） (2023-02-13T17:55:58Z)
EISeg: An Efficient Interactive Segmentation Tool based on PaddlePaddle [7.588694189597639]
EISegは,画像分割アノテーションの効率を大幅に改善できるインタラクティブSEGmentationアノテーションツールである。また、リモートセンシング、医用イメージング、産業品質検査、人間のセグメンテーション、ビデオセグメンテーションのための時間認識モデルなど、さまざまなドメイン固有モデルを提供する。
論文参考訳（メタデータ） (2022-10-17T07:12:13Z)
BSDA-Net: A Boundary Shape and Distance Aware Joint Learning Framework for Segmenting and Classifying OCTA Images [2.5329716878122404]
本稿では,OCTA画像からのFAZ分割と診断のための多段階境界形状と距離認識型共同学習フレームワークBSDA-Netを提案する。提案したBSDA-NetはOCTA-500, OCTAGON, FAZIDデータセットに対して最先端のセグメンテーションと分類結果が得られる。
論文参考訳（メタデータ） (2021-07-10T12:16:23Z)
Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
超音波を用いた新しいカテーテルセグメンテーション法を提案する。提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
論文参考訳（メタデータ） (2020-10-19T13:56:22Z)
User-Guided Domain Adaptation for Rapid Annotation from User Interactions: A Study on Pathological Liver Segmentation [49.96706092808873]
マスクベースの医用画像のアノテーション、特に3Dデータは、信頼できる機械学習モデルを開発する上でボトルネックとなる。ユーザガイド付きドメイン適応(UGDA)フレームワークを提案する。このフレームワークは,UIとマスクの複合分布をモデル化するために,予測に基づくドメイン適応(PADA)を利用する。 UGDAは、利用可能なUIのごく一部しか見ていない場合でも、最先端のパフォーマンスを維持することができる。
論文参考訳（メタデータ） (2020-09-05T04:24:58Z)
KiU-Net: Towards Accurate Segmentation of Biomedical Images using Over-complete Representations [59.65174244047216]
本稿では,高次元にデータを投影するオーバーコンプリートアーキテクチャ(Ki-Net)を提案する。このネットワークは、U-Netで拡張されると、小さな解剖学的ランドマークを分割する場合に大幅に改善される。早期新生児の2次元超音波による脳解剖学的セグメント化の課題について検討した。
論文参考訳（メタデータ） (2020-06-08T18:59:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。